AI 모델 및 플랫폼
Collate, AI 에이전트에 비즈니스 맥락을 제공하는 Ontology Studio 발표

핵심 포인트온톨로지 스튜디오는 비즈니스 개념을 데이터 자산에 매핑하여 에이전트가 컬럼 의미를 추측하지 않도록 합니다.
더 보기
- 온톨로지 스튜디오는 비즈니스 개념을 데이터 자산에 매핑하여 에이전트가 컬럼 의미를 추측하지 않도록 합니다.
- 지식 그래프 도구는 기본적으로 비활성화된 베타 프로젝션에서 실행됩니다.
- 개방형 형식으로 내보낸 온톨로지는 기업이 AI 공급업체를 전환할 때 재사용 가능한 자산으로 남습니다.
Collate는 OpenMetadata를 개발한 회사로, 비즈니스 개념을 정의하고 이를 기업 데이터와 연결해 그 의미를 AI 에이전트가 활용할 수 있게 하는 작업 공간인 Ontology Studio를 발표했다. 이 제품은 에이전트가 테이블이나 열 이름의 의미를 추측하는 대신 조직 고유의 정의와 관계를 바탕으로 작업하도록 돕는 것을 목표로 한다.
11월 17일 발표된 Ontology Studio는 Collate 2.1의 일부로, 이달 말 정식 출시될 예정이다. 개방형 표준을 사용해 기업이 직접 구축한 비즈니스 모델을 살펴보고 내보낼 수 있으며, 해당 모델을 구현하는 데이터 자산과의 매핑도 포함된다.
이번 출시는 더 뛰어난 언어 모델만으로는 해결할 수 없는 문제를 다룬다. 시스템은 데이터 세트를 찾아 유효한 코드를 작성하면서도, 기업이 어떤 고객을 활성 고객으로 간주하는지, 어떤 수치를 인정 매출로 보는지, 특정 대출 유형이 무엇인지 잘못 이해할 수 있다.
온톨로지가 AI 에이전트에 더해 주는 것
온톨로지는 소프트웨어가 사용할 수 있는 형식으로 개념과 그 관계를 기술한다. 용어집에서는 ‘대출’을 문단으로 정의할 수 있다. 온톨로지는 대출에 원금과 기간이 있고, 특정 고객에 속하며, 명명된 관계를 통해 계좌와 연결된다는 점도 명시할 수 있다.
이러한 세부 정보는 에이전트가 질문을 체계적으로 처리할 수 있게 해 준다. 대출 활동을 분석하라는 요청을 받은 에이전트를 생각해 보자. 데이터베이스를 조회하기 전에 어떤 자산이 대출을 나타내는지, 고객이 대출과 어떻게 연결되는지, 어떤 정의를 적용해야 하는지 파악해야 한다. 해당 자산에 매핑된 온톨로지는 이런 맥락을 제공할 수 있다.
Ontology Studio를 사용하면 팀은 유형이 지정된 속성과 이름 및 방향이 명시된 관계를 통해 개념을 정의한 뒤, 버전이 관리되는 모델을 검토하고 게시할 수 있다. 개념은 테이블, 열, 대시보드 및 기타 데이터 자산과 연결할 수 있다.
이를 통해 비즈니스상 의미와 기술적 데이터 계보도 구분할 수 있다. 데이터 계보는 데이터가 시스템 간에 어떻게 이동하거나 변환되는지를 설명한다. 비즈니스 관계는 대출이 고객에게 속하는 경우처럼 데이터가 무엇을 나타내는지 설명한다. 둘 다 에이전트에 유용하지만, 서로 다른 질문에 답한다.
모델을 뒷받침하는 개방형 표준
Ontology Studio는 기업이 비즈니스 전체를 독점 형식으로 표현하도록 요구하는 대신, 확립된 시맨틱 웹 기술을 기반으로 구축됐다.
- OWL, 웹 온톨로지 언어는 클래스, 속성, 관계를 공식적으로 표현하는 방법을 제공해 소프트웨어가 명시적인 의미를 바탕으로 작업할 수 있게 한다.
- SKOS, 단순 지식 조직 체계는 통제 어휘와 상위·하위·연관 개념 등의 관계를 표현한다.
- SPARQL은 RDF 그래프를 위한 질의 언어로, 소프트웨어가 연결된 개념과 메타데이터에 관해 구조화된 질문을 할 수 있게 한다.
Collate에 따르면 조직은 OWL, Turtle, RDF/XML, JSON-LD 등의 형식으로 온톨로지를 가져오고 내보내면서 식별자, 정의, 관계를 보존할 수 있다. 회사는 모델을 내보낼 때 데이터 매핑도 유지할 수 있다는 점을 강조한다.
이는 기업이 AI 공급업체나 데이터 플랫폼을 바꿀 때 중요하다. 비즈니스 모델을 교환 가능한 형식으로 보관하면 정의를 한 공급업체의 인터페이스에만 남겨 두는 대신 재사용 가능한 자산으로 활용할 수 있다. 다만 플랫폼을 옮긴 뒤에도 모델을 유용하게 사용하려면 호환되는 도구가 관련 표준과 매핑을 지원해야 한다.
에이전트는 지식 그래프에 어떻게 접근하는가
에이전트는 Collate의 모델 컨텍스트 프로토콜 서버를 통해 온톨로지에 접근한다. MCP는 AI 애플리케이션이 도구를 검색하고 호출할 수 있도록 공통 인터페이스를 제공한다. 여기서 에이전트는 해당 도구를 이용해 온톨로지를 설명하고, 특정 개체를 둘러싼 관계를 탐색하며, 읽기 전용 SPARQL 쿼리를 실행할 수 있다.
지식 그래프는 개념과 메타데이터를 서로 연결된 개체로 구성한다. 그래프 쿼리를 사용하면 관련 관계 여러 개를 한꺼번에 요청할 수 있어, 에이전트가 이웃한 항목을 하나씩 반복해서 요청하지 않고도 맥락을 모을 수 있다. 쿼리 결과와 관계 경로는 검토자가 답변의 근거를 구체적으로 살펴볼 수 있게 해 주기도 한다.
이번 발표는 이 기능에 중요한 제한 사항을 둔다. 도구는 베타 상태이며 기본적으로 비활성화되어 있는 Collate의 지식 그래프 프로젝션에서 실행된다. 그래프 기반 에이전트 도구를 사용하려면 팀이 해당 구성 요소를 활성화하고 평가해야 한다.
제품 페이지에 따르면 이 프로젝션은 플랫폼 메타데이터를 그래프 형태로 복제한 것으로, 기반 비즈니스 데이터베이스를 대체하지 않는다. 운영 데이터에 대한 쿼리는 데이터 웨어하우스나 기존 시맨틱 계층처럼 해당 데이터가 있는 곳에서 계속 실행된다. 온톨로지는 사용할 적절한 정의와 자산을 식별하는 데 도움을 준다.
OpenMetadata와 기존 비즈니스 지식을 기반으로 구축
Collate는 스키마, 소유권, 분류, 품질 정보, 데이터 계보 등의 메타데이터를 한데 모으는 오픈소스 플랫폼인 OpenMetadata를 기반으로 구축됐다. Ontology Studio는 이러한 자산과 연결된 비즈니스 의미를 작성할 수 있는 작업 공간을 더한다.
Collate의 2.1 릴리스 개요는 관리형 제품과 오픈 소스 기반을 구분합니다. Ontology Studio는 Collate의 기능인 반면, MCP를 통한 지식 그래프 도구는 Collate와 OpenMetadata 모두에 제공되는 것으로 소개됩니다. 이번 발표를 검토하는 조직은 상용 작업 공간과 그 기반이 되는 개방형 표준 및 공유 플랫폼 구성 요소를 구분해야 합니다.
업계별 스타터 팩도 시스템을 활용하는 또 다른 방법입니다. 이번 발표에는 금융 분야의 FIBO, 의료 분야의 HL7 FHIR, 공급망 분야의 GS1 및 EPCIS, 제조 분야의 ISA-95, 인사 분야의 HR Open Standards를 기반으로 한 모델이 소개됩니다. 이러한 모델은 팀이 확장하고 자체 데이터에 매핑할 수 있는 출발점이 됩니다.
Collate는 더 폭넓은 컨텍스트 플랫폼 접근 방식을 보여주는 사례로 Scout24를 꼽습니다. ImmoScout24를 운영하는 회사는 공통 데이터 정의, AI 지원 문서화, 사람의 검증을 활용해 사내 AI 에이전트를 지원합니다. 이러한 조합은 비즈니스 컨텍스트를 유용하게 유지하는 데 주제 전문가가 계속 중요한 역할을 한다는 점을 보여줍니다.
공유된 정의에도 여전히 책임자가 필요하다
“메타데이터와 의미, 기억은 하나의 컨텍스트 플랫폼에 있어야 합니다”라고 Collate의 공동 창립자 겸 최고기술책임자 Sriharsha Chintalapani는 말했습니다. 그는 에이전트와 직원이 동일한 비즈니스 정의를 바탕으로 일하도록 하는 것이 목표라고 밝혔습니다.
온톨로지를 사용하면 이러한 정의를 명확히 하고 더 쉽게 재사용할 수 있지만, 그 가치는 모델의 품질과 최신 데이터와의 연결에 달려 있습니다. 잘못된 매핑이나 오래된 규칙은 에이전트가 틀린 답을 구조적으로 설명하게 만들 수 있습니다.
기업 입장에서 Ontology Studio가 제시하는 가치는 공유 컨텍스트를 더 수월하게 구축하고 유지하는 방법입니다. 비즈니스를 모델링하고, 그 모델을 실제 자산에 연결하고, 표준 도구를 통해 제공하며, 다른 환경으로 옮겨갈 수 있는 능력도 유지할 수 있습니다.












